فهرست نشریات علمی دسترسی آزاد ایران

هدف از این مقاله، پیش‌بینی تاخیرات قطارهای مسافری در نواحی ریلی راه آهن جمهوری اسلامی ایران با استفاده از داده‌های تاریخی حرکت قطارهای مسافری و داده‌های آب و هوایی با روش‌های یادگیری ماشین است. پیش‌بینی تاخیرات در نواحی ریلی با شرایط آب و هوایی در آن ناحیه در فصل زمستان می تواند برای تصمیم گیری و اقدامات پیشگیرانه موثر واقع شود. داده‌های بکار گرفته شده در این مطالعه شامل داده های تاخیرات قطار-های مسافری از سال 1396 تا 1400 و داده‌های آب و هوایی ایستگاه‌های سینوپتیک از سال 1396 تا 1400 است. که در بردارنده 46596 رکورد است. متغیر‌های مستقل شامل سال، ماه، روز ماه، روز هفته، محور حرکت، نوع قطار، ناحیه ریلی، حداکثر سرعت باد، حداقل دید افقی، دمای کمینه، دمای بیشینه، تعداد گزارش‌های یخ‌زدگی در سطح زمین و بارش 24 ساعته باران و برف هستند. روش پیشنهادی برای حل مسئله موجود مبتنی بر CRISP-DM یک متدولوژی برتر در زمینه پیاده‌سازی تکنیک‌های یادگیری ماشین و داده کاوی در حوزه تحقیقاتی و اجرایی است. مدلسازی پیش‌بینی به صورت طبقه‌بندی انجام شده است. جهت پیش‌بینی طبقه‌بندی متغیر وابسته تاخیر به دو طبقه به موقع و با تاخیر تقسیم شده‌اند. از روش‌های یادگیری نظارت شده از نوع طبقه‌بندی برای پیش بینی تثیر عوامل آب و هوایی در به وجود آمدن تاخیر در نواحی ریلی استفاده شده‌است. برای ارزیابی نتایج پیش‌بینی از اعتبارسنجی متقابل برای بررسی صحت مدل استفاده شده‌است. نتایج نشان می‌دهد که تاثیر عوامل آب و هوایی در فصل زمستان در طی دوره 5 ساله در بررسی‌های سال به سال در به وجود آمدن تاخیر در نواحی ریلی تاثیر مثبت، منفی یا خنثی داشته‌است. در انتهای مقاله برای انطباق صنعت ریلی با تهدیدات اقلیمی در آینده اقدامات پیشگیرانه‌ای ارائه شده‌است.